1.一种改进SCSO-CNN-BiLSTM的旋转机械故障诊断方法，包括以下步骤：步骤一：输入旋转机械振动信号；

步骤二：利用VMD对旋转机械振动信号进行分解，去除残差后重构生成新振动信号；

步骤三：将新振动信号通过短时傅里叶变换STFT转换为二维时频图像；

步骤四：基于改进沙猫群优化算法优化CNN-BiLSTM的超参数；

步骤五：将二维时频图像输入优化超参数后的CNN-BiLSTM模型，实现旋转机械故障诊断；

步骤四中，所述改进沙猫群优化算法，包括：种群初始化阶段、搜索阶段、开发阶段、反捕食阶段：在种群初始化阶段，采用tent混沌映射初始化种群位置，其数学表达式为：其中，a为混沌系数，x

当|R|>1时，进入搜索阶段；当|R|≤1时，进入开发阶段，其中R为平衡因子，表达式如下：R＝R

其中，rand为(0，1)之间的随机数，RR

其中，t为当前迭代次数，T为最大迭代次数；

搜索阶段位置更新公式为：

P

Pbest

开发阶段分为追踪捕猎行为和伏击捕猎行为：当GG

追踪捕猎行为位置更新公式为：P

P

伏击捕猎行为位置更新公式为：P

X

经过搜索或开发阶段后，随机选取A个体进入反捕食阶段，其中其中，Pworst

2.如权利要求1所述的一种改进SCSO-CNN-BiLSTM的旋转机械故障诊断方法，其特征在于，步骤四中，所述改进沙猫群优化算法优化CNN-BiLSTM的超参数，包括卷积层神经元个数、卷积核大小、BiLSTM层神经元个数。

3.如权利要求1所述的一种改进SCSO-CNN-BiLSTM的旋转机械故障诊断方法，其特征在于，步骤五中，所述CNN-BiLSTM模型，包括4个卷积层、3个池化层、一个展平层、一个BiLSTM层、一个输出层，卷积层激活函数为relu函数，步幅为(2，2)，零填充；池化层大小为2×2；输出层输出为4，激活函数为softmax函数；其中，卷积层神经元个数、卷积核大小、BiLSTM层神经元个数由步骤四中得到。